一种基于决策树的学情分析方法

技术领域

本发明涉及教育辅助技术领域，具体是指一种据信息采集更高效，更能反应真实情况且能更好的适用不同学习阶段的学生的基于决策树的学情分析方法。

背景技术

学情分析即学习者特征分析，分析的内容包括有学生在学习方面有何特点、学习方法怎样、习惯怎样、兴趣如何，成绩如何等，学习本课题的有利因素和存在的问题等。主要包括学生学习起点状态的分析和学生潜在状态的分析两部分。其中学生起点状态的分析主要指学生原本的认知基础，已有的学习能力，学生的学习态度、学习习惯、意志品质等。而学生潜在状态的分析主要指学生可能发生的状况与可能的发展。

学情分析是伴随现代教学设计理论产生的，是教学设计系统中“影响学习系统最终设计”的重要因素之一。学情分析通常又被称之为“教学对象分析”或“学生分析”；主要目标是为研究学生的实际需要、能力水平和认知倾向；以便为学习者设计教学方案，优化教学过程，更有效地达成教学目标，提高教学的效率。

现有技术中分析者在进行学情分析时所采用的方法主要是通过观察、口头询问、填写问卷表收集数据，然后由分析者进行数据分类与筛选，出具相应的分析报告。显然，上述方法在目前信息技术比较发达的背景下，采用全人工操作，效率还是偏低，工作量也过于庞大，特别是当需要进行分析的学生基数过大时无法全面覆盖到所有学生。

针对上述问题，本专利申请的发明人通过检索，发现有名为一种基于ReactNative实现的学情分析方法的发明专利，公开了一种基于ReactNative实现的学情分析方法，本方法利用React Native框架能够真正实现跨平台，在使用时，首先，React Native数据获取组件调用后台数据库的API获取原始数据，并将原始数据传递至数据分析组件；然后，数据分析组件对获取到的数据进行数据分类与加工后，将得到的渲染数据传递至图表渲染组件；最后，图表渲染组件将得到的渲染数据绘制出用户所需要的报表，并进行动态加载渲染，实现学情分析功能。通过本发明，兼容Android、iOS、WindowsPhone等多种不同平台，特性良好，使用其提供的数据获取组件通过key访问API获取原始数据，数据分析组件和图表渲染组件生成学生的详细报告，在项目实践中开发学习成本低、开发周期短、跨平台、易于维护等优点。

上述方法从一定程序上解决了效率上的问题，但侧重点在于通过开源的跨平台移动应用开发框架实现多个操作系统之间的互通，然后由软件进行对数据进行分类与加工最后得出学生的详细报告。在上述专利的基础上，本专利申请的发明人通过实践发现，学情分析在具体实施时，各学生的原始数据信息采集工作的工作量是非常大的，同时对学生的学习状态的调查，如果只是由学生自己填写表格的话，并不能真实的反应相关情况，还有就是对于不同学习阶段的学生的学情分析的侧重点也没有进行区分。综上所述现有技术中所公开的信息，并没有就数据信息采集和信息是否真实等情况提出有效的解决方案。

发明内容

本发明要解决的技术问题是，提供一种数据信息采集更高效，更能反应真实情况且能更好的适用不同学习阶段的学生的基于决策树的学情分析方法。

为解决上述技术问题，本发明提供的技术方案为：一种基于决策树的学情分析方法，它包括如下步骤：

第一步，将学生的基本信息电子档案导入到学情分析用的数据库；

第二步，对导入的基本信息进行分类，分成客观信息与主观信息；客观信息是指不受主观因素影响的信息；主观信息是指受到相关人员主观意愿影响的信息，包括自我评价，他人评价等；

第三步，根据客观信息中涉及的成绩分数数据与主观信息中涉及的成绩分数数据的情况对每个学生进行预评分，预评分时客观信息与主观信息进行分数加权分配，客观信息的比重大于主观信息；

第四步，对预评分情况通过决策树模型进行复核与修正；

第五步，设置决策树模型，把收集到的基本信息按类别设置为根节点；

第六步，把对每个类别的分析标准设置为内部节点，实现决策树分类分析；

第七步，根据各分类属性的信息熵和阈值，确定决策树各个叶节点，在分类属性和单个实体属性值之间建立映射关系，最终生成决策树及各个学生的学情结果。

作为优选，所述的学生的基本信息包括姓名、性别、年龄、照片、各科成绩、学生自我评价、老师对学生的评价。

作为优选，对所述的学生的基本信息进行加密处理，以防止基本信息外泄。

作为优选，第六步中设置有一个视频校验分析节点，由分析者调取学生平时学习时的视频记录进行评分，根据学习时的专注情况分成ABC三个级别，对于没有视频记录的学生，在学生后续学习过程中随时补录视频后再补充评分。

作为优选，第六步中设置有一个老师授课情况节点，由被分析者就分析内容涉及的课程的老师的授课情况进行评分。

作为优选，所述的基本信息包括教室内的学生上课时的视频录像；数据采集时结合人脸识别技术将每个学生的上课视频录像分离出来，存入对应每个学生的基本信息档案内。

作为优选，所述的学生的基本信息还包括学生当前的心理状态信息，同时对于心理状态为厌学的学生进行单列，不统计在学情分析的大数据中。

作为优选，第三步中客观信息与主观信息的比重为6比4。

采用上述结构后，本发明具有如下有益效果：本发明创造性的在学情分析过程中采用主客观信息分类与加权的方式，降低主观信息的比重，防止信息失真，分析前期的数据采集是通电子档案导入，效率更高，同时采用先自动预评分，然后再进行复核的分析方法，可以不断对预评分的模块进行训练与修正。优选项中还引入了数据加密步骤，进一步增加信息安全，同时增加了对一些噪音数据的单独处理，防止因为学生与老师在一些不在状态的时段的信息干扰到整体的分析结果。视频复核可以最真实的反应课堂上每个学生的学习状态，可更进一步提高分析结构的真实性。

综上所述，本发明提供了一种数据信息采集更高效，更能反应真实情况且能更好的适用不同学习阶段的学生的基于决策树的学情分析方法。

附图说明

图1是本发明中基于决策树的学情分析方法的流程示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明。

结合附图1，一种基于决策树的学情分析方法，它包括如下步骤：

第一步，将学生的基本信息电子档案导入到学情分析用的数据库；

第二步，对导入的基本信息进行分类，分成客观信息与主观信息；客观信息是指不受主观因素影响的信息；主观信息是指受到相关人员主观意愿影响的信息，包括自我评价，他人评价等；

第三步，根据客观信息中涉及的成绩分数数据与主观信息中涉及的成绩分数数据的情况对每个学生进行预评分，预评分时客观信息与主观信息进行分数加权分配，客观信息的比重大于主观信息；

第四步，对预评分情况通过决策树模型进行复核与修正；

第五步，设置决策树模型，把收集到的基本信息按类别设置为根节点；

第六步，把对每个类别的分析标准设置为内部节点，实现决策树分类分析；

第七步，根据各分类属性的信息熵和阈值，确定决策树各个叶节点，在分类属性和单个实体属性值之间建立映射关系，最终生成决策树及各个学生的学情结果。

作为优选，所述的学生的基本信息包括姓名、性别、年龄、照片、各科成绩、学生自我评价、老师对学生的评价。

作为优选，对所述的学生的基本信息进行加密处理，以防止基本信息外泄。

作为优选，第六步中设置有一个视频校验分析节点，由分析者调取学生平时学习时的视频记录进行评分，根据学习时的专注情况分成ABC三个级别，对于没有视频记录的学生，在学生后续学习过程中随时补录视频后再补充评分。

作为优选，第六步中设置有一个老师授课情况节点，由被分析者就分析内容涉及的课程的老师的授课情况进行评分。

作为优选，所述的基本信息包括教室内的学生上课时的视频录像；数据采集时结合人脸识别技术将每个学生的上课视频录像分离出来，存入对应每个学生的基本信息档案内。

作为优选，所述的学生的基本信息还包括学生当前的心理状态信息，同时对于心理状态为厌学的学生进行单列，不统计在学情分析的大数据中。

采用上述结构后，本发明具有如下有益效果：本发明创造性的在学情分析过程中采用主客观信息分类与加权的方式，降低主观信息的比重，防止信息失真，分析前期的数据采集是通电子档案导入，效率更高，同时采用先自动预评分，然后再进行复核的分析方法，可以不断对预评分的模块进行训练与修正。优选项中还引入了数据加密步骤，进一步增加信息安全，同时增加了对一些噪音数据的单独处理，防止因为学生与老师在一些不在状态的时段的信息干扰到整体的分析结果。视频复核可以最真实的反应课堂上每个学生的学习状态，可更进一步提高分析结构的真实性。

本发明专利在具体实施时，基础数据采用电子数据直接导入计算机的形式进行录入。非电子数据，优先采用图像识别技术进行录入，以降低人工的工作量。而对于具体的评级分析的详细打分规则，现有技术中已经有公开多套成熟的方案，分析者可以根据自己的分析目标进行字母分级或是分数分级评分，所需要选取的基本信息也可以根据需要进行自由筛选，本专利申请的重点在于设定规则后先自动预评分，然后再进行复核，复核时去掉干扰数据，同时引入视频影响等更加客观真实的信息来辅助学情分析。所以涉及软件处理的算法部分，此处不再进行详细说明。

以上对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的实施流程并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的方法及实施例，均应属于本发明的保护范围。